Veri S*k**t*rmada Yeni Yöntemler

advertisement
Veri Sıkıştırma
Algoritmaları
Ders 3: Ses Sıkıştırma Yöntemleri
Yrd. Doç. Dr. Altan MESUT
Ses Kodlama Yöntemleri

Ses dalgası kodlaması (waveform coding)



Ses dalgaları belirli aralıklar ile örneklenerek sayısal hale
getirilir
Ses dalgası kodlaması ile her türde ses (insan sesi, makine sesi,
müzik, vs.) kaliteli bir şekilde sıkıştırabilir.
Konuşma kodlaması (speech coding)


Konuşmanın analizine dayalı bir model oluşturularak, bu
model üzerinden parametreler üretilmesi ile kodlama yapılır.
Konuşma kodlaması, ses dalgası kodlamasına göre daha
yüksek oranda sıkıştırma sağlar. Ama konuşma kodlaması ile
müzik gibi farklı yapıya sahip ses verileri sıkıştırıldığında çok
düşük kalitede sonuç elde edilir.
2
PCM (Pulse Code Modulation)



Ses sinyali belirli zaman aralıklarında örneklenir ve her
örnek için dalganın yüksekliği elde edilir.
Bu yükseklik değerleri belirli bir bit oranı ile nicelenerek
bit katarı oluşturulur.
CD kalitesi:


Örnekleme hızı: 1/44100 sn (44.1 kHz)
Niceleme adım büyüklüğü: 16 bit
3
Sayısal Ses Dalgası Sıkıştırma
Yöntemleri

Kayıpsız sıkıştırma yöntemleri:
DPCM (Differential Pulse Code Modulation)
 ADPCM (Adaptive DPCM)
 ALS (Audio Lossless Coding)


Kayıplı sıkıştırma yöntemleri:
MP3 (MPEG-1 Layer III)
 AAC (Advanced Audio Coding)
 WMA (Windows Media Audio)

4
DPCM (Differential PCM)



DPCM, kodlanacak örnek değeri önceki örneklerin
yardımı ile tahmin ederek, örneğin gerçek değeri ile
tahmin edilen değer arasındaki farkı kodlar (artık değer
kodlaması).
Eğer önceki 3 sembol 2, 5 ve 8 ise, Doğrusal Öngörü
modeline göre her seferinde 3 birimlik artış olduğu ve
bir sonraki değerin 11 olabileceği tahmin edilebilir. Eğer
bir sonraki değer 12 çıkarsa, +1 değeri kodlanır.
Klasik fark kodlaması yapılsaydı 8 ile 12 arasındaki fark
olan 4 değeri kodlanacaktı. Bu örnekte görüldüğü gibi,
öngörü modeli sayesinde daha küçük değerler kodlanır.
5
ADPCM (Adaptive DPCM)




DPCM’de yer alan niceleme ve öngörme aşamalarının, kodlanan
ses verisinin karakteristik özelliklerine göre uyarlanabilir
olmasıdır.
İleri yönde uyarlanır öngörüde bir çerçeve işlenmeden önce, o
çerçeve için en uygun öngörü ve niceleme katsayıları belirlenir ve
bu değerler öngörü işleminin sonuç değerleri ile birlikte yan bilgi
olarak aktarılır.
Geri yönde uyarlanır öngörüde ise, en uygun öngörü ve niceleme
bir önceki çerçeveye dayalı olarak belirlendiği için, kod çözücü de
aynı öngörüyü yapabileceğinden, sadece çerçeve bilgisinin
gönderilmesi yeterlidir.
Geri yönde uyarlanır öngörüde yan bilgi gönderilmediği için veri
oranı daha düşüktür, fakat bir önceki çerçeve düşünülerek
tahmin yapıldığı için tahmin hataları daha büyüktür.
6
ALS (Audio Lossless Coding)







MPEG-4 ALS standardı 2005 yılında tamamlanmıştır.
32-bit PCM çözünürlüğünü ve 192 kHz frekansı
destekler. (CD-DA'da 16-bit ve 44.1 kHz)
65536 kanala kadar çoklu kanal desteği vardır. (CDDA’da 2)
32-bit kayan noktalı ses verisini destekler. (CD-DA'da
tamsayı)
wav, aiff, au, bwf ve raw gibi birçok sıkıştırılmamış ses
formatını sıkıştırabilir.
Kodlanmış verinin her bölgesine hızlı erişim sağlar.
MPEG-4 Video sıkıştırması ile kullanılabilir.
7
ALS (Audio Lossless Coding)
Giriş
Çerçeve / Blok
Bölümlemesi
Veri
Kontrol
Uzun-Vadeli
Öngörü
Birleştirilmiş Kanal
Kodlaması
Bit Katarı Oluşturucu
(Kısa-Vadeli)
Öngörü
Sıkıştırılmış Bit
Katarı
Entropi Kodlaması
8
ALS (Audio Lossless Coding)


Ses verisi önce çerçevelere ayrılır. Daha sonra,
çerçevelerin içindeki tüm kanallar ses örneklerinden
oluşan bloklara bölünür. Her blok için ileri yönde
uyarlanır öngörü yapılarak, öngörünün hatası
hesaplanır. Temel (kısa-vadeli) öngörü, uzun-vadeli
öngörü ile birleştirilebilir.
Birleştirilmiş Kanal Kodlaması aşamasında ise kanallar
arasındaki benzerliklerden faydalanılarak sıkıştırma
oranı arttırılır. En son aşamada ise geriye kalan tahmin
farkı Huffman benzeri bir entropi kodlaması ile
sıkıştırılır. Oluşturulan bit katarının çerçeveleri arasında
rasgele erişim mümkündür.
9
MP3 (MPEG-1 Layer III)



1987’de Almanya’da bir enstitüde EUREKA
geliştirilmiştir.
1992’de bu algoritma ISO/IEC tarafından
MPEG-1 standardına dâhil edilmiştir. (Bir yıl
sonra MPEG-1 standardı yayınlandı.)
Günümüzde, taşınabilir müzik çalarlarda ve
Internet üzerinde müzik paylaşımında en çok
kullanılan standarttır.
10
MP3 Kodlayıcısı
PCM
Giriş
Analiz çok fazlı
filtre bankası
0
1024 noktalı FFT
31
Pencereleme ve
MDCT
0
Pencere
tipleri
Psikoakustik
Model
zaman
etki alanı
frekans
etki alanı
575
Düzgün Olmayan Sayıl Niceleme
Huffman
Kodlaması
Kenar bilginin
kodlanması
Bit akış düzeninin ve CRC kelimelerinin
oluşturulması
Yardımcı
Veri
Kodlanmış
Ses Sinyali
11
Filtreleme



Düşük frekanslı içerik sinyalin kimliğini verir.
Yüksek frekanslı içerik ise sadece ayrıntıyı verir.
İnsan sesi kaydedildikten sonra yüksek frekanslı bileşenleri
atılırsa, ses farklılaşacak ama hala ne söylendiği anlaşılabilecektir.
Ama düşük frekanslı bileşenler atılırsa, sinyalin asıl kimliği
bozulacak ve anlamsız sesler duyulacaktır.
12
MP3’te Filtreleme


Tüm MP3 dosyaları çerçeve (frame) adı verilen
küçük parçalardan oluşmaktadır. Her çerçeve
1152 ses örneğinden oluşur (44.1 kHz
örnekleme için 26 ms’lik zaman dilimine denk
gelir.)
Analiz çok fazlı filtre bankası kısmında, her bir
çerçeveyi oluşturan 1152 örnek 32 eşit uzunlukta
frekans alt bandına bölünerek her alt banda 36
örnek yerleştirilir.
13
Psiko-akustik model


Sinyal Analiz çok fazlı filtre bankası ile işlenirken, aynı
zaman diliminde sinyale Hızlı Fourier Dönüşümü (FFT)
de uygulanır.
FFT ile zaman etki alanından frekans etki alanına
geçirilen sinyal daha sonra Psiko-akustik model’e
gönderilir. Bu model, insan kulağının hangi sesleri
algılayabileceğini hangilerini algılayamayacağını
belirleyebilen bir yapıdır. İnsan kulağı duyma eşik
değerlerinin dışında kalan sesleri veya kuvvetli bir ses
tarafından maskelenen zayıf sesleri duyamaz. Bu
nedenle bu sesler kodlamaya dâhil edilmezler.
14
Pencereleme

Psiko-akustik model ile elde edilen bilgiler, MDCT’nin
hangi pencere tipini seçmesi gerektiğine ve bir biçimsiz
(nonuniform) niceleme işleminin frekans çizgilerini ne
şekilde nicelemesi gerektiğine karar vermede yardımcı
olur. Normal (uzun), kısa, başlangıç ve bitiş olmak
üzere 4 farklı pencere tipi vardır.
15
Modified Discrete Cosine Transform

Filtreleme işleminden sonra, her alt banda ait
örnekler halen zaman etki alanındadır. Bu
örnekleri frekans etki alanına geçirmek için her
alt banda MDCT uygulanır. Aşağıda MDCT
dönüşümünün formülü verilmiştir:
16
Düzgün Olmayan Sayıl Niceleme

En çok zaman alan kısım olan düzgün olmayan
niceleme işlemi, 576 değer için tekrarlanan iç içe iki
döngü ile gerçekleştirilir.


Bozunum kontrol döngüsü (dıştaki döngü), oran kontrol
döngüsü (içteki döngü) içinde frekans etki alanı örneklerinin
nicelenmesi ile üretilen niceleme gürültüsünü kontrol eder.
Amaç, her ölçek çarpanı bandı için niceleme gürültüsünü
maskeleme eşik değerinin altında tutmaktır. Eğer niceleme
gürültüsünün maskeleme eşik değerini aştığı tespit edilirse, o
bant için niceleme gürültüsünü azaltacak şekilde ölçek çarpanı
ayarlanır.
17
Variable Bit Rate - VBR

MP3 standardı, değişken bit oranı (Variable Bit Rate VBR) kullanarak ta sıkıştırma yapabilir.


Bu sayede bir ses örneğinin karmaşık olan kısımları yüksek bit
oranı ile, durağan olan kısımları daha düşük bit oranı ile
sıkıştırılarak ses kalitesi arttırılabilir.
VBR’nin dezavantajları da vardır:


Müzik çalarların zamanı yanlış göstermelerine veya hiç
gösterememelerine neden olan zamanlama sorunu yaşatır
En önemli kullanım alanlarından olan radyo veya televizyon
yayınları için elverişli değildir.
18
Kanal Tipleri



MP3, tek kanal (mono), çift kanal, stereo ve birleşik
stereo olmak üzere 4 farklı kanal tipini destekler.
Çift kanal tipinin stereo’dan farkı, aynı yayın içinde iki
farklı dilin iletilmesi gibi durumlarda kullanılabilmesidir.
Birleşik stereo ise, sol ve sağ kanallar arasındaki
benzerlikten faydalanarak daha etkin kodlama yapan bir
kanal tipidir. M/S (middle/side) Stereo ve Intensity Stereo
olarak adlandırılan iki farklı teknik ile gerçekleştirilir.
19
Birleşik Stereo


MS Stereo tekniğinde sol (L) ve sağ (R) kanalları yerine
middle (L+R) ve side (L-R) kanalları kullanılır. İki kanal
birbirine yüksek oranda benzer ise side kanalı sürekli
sıfıra yakın seyredeceği için sıkıştırmanın etkinliği
artacaktır.
Intensity Stereo tekniği ise, insan kulağının stereo etkinsi
fark edemeyeceği kadar düşük veya yüksek frekanslı
bölümlerin mono gibi kodlanması prensibine dayanır.
20
AAC (Advanced Audio Coding)


MPEG tarafından geliştirilen AAC, 1997 yılında
tamamlanarak MPEG-2 standardına dâhil
edilmiştir. Daha sonra biraz daha geliştirilerek
MPEG-4 hareketli görüntü sıkıştırma sisteminde
de kullanılmıştır.
AAC, MP3 ile geriye doğru uyumlu değildir (Bir
AAC kod çözücüsü bir MP3 dosyasını açamaz).
21
AAC’nin Temel Özellikleri

AAC, MP3’te olan kodlama tekniklerini daha etkili bir
şekilde kullanır:




Daha iyi frekans çözünürlüğü sağlamak amacıyla uzun
pencereler MP3’tekilerden yaklaşık iki kat daha büyük hale
getirilmiştir.
Daha az ön-yankı ve daha iyi pencere değiştirme idaresi
sağlamak için kısa pencereler MP3’tekilerden daha küçük hale
getirilmiştir.
M/S stereo çerçevenin tamamı yerine alt bant temelli
yapılabilmektedir.
Yoğunluk stereo sadece bitişik alt bant gruplarında
kullanılmak yerine alt bant temelli yapılabilmektedir.
22
TNS & Frekans etki alanı öngörüsü

AAC, MP3’te olmayan TNS ve frekans etki alanı
öngörüsü araçlarını da içermektedir.
TNS (Temporal Noise Shaping): Filtrelenmiş
katsayıların iletimi sayesinde niceleme gürültüsünün
yerini kontrol etmek amacıyla tasarlanmış bir araçtır.
 Frekans etki alanı öngörüsü: Durağan sinyallerin
sıkıştırılabilirliğini arttırmak amacıyla tasarlanmış bir
araçtır.

23
PNS & LTP

MPEG-4 AAC, MPEG-2 AAC’de olmayan PNS
ve LTP araçlarını içermektedir.
PNS (Perceptual Noise Substitution): Sinyalin
gürültüye benzer kısımları kodlanmayıp, bu gürültü
yerine kod çözücü tarafında üretilen bir gürültü
kullanılır.
 LTP (Long Term Prediction): Frekans etki alanı
öngörüsüne göre daha az işlem gücü ile çalışan bir
tahmin aracıdır.

24
AAC Profilleri



Ana (Main) Profil: Tüm veri oranlarında en iyi ses
kalitesinin elde edildiği, buna karşılık işlem gücü ve
bellek gereksinimi en çok olan profildir.
Düşük-Karmaşıklık (LC: Low-complexity) Profili: Çok
iyi ses kalitesi sağladığı gibi, fazla bellek ve işlem gücü
de gerektirmediği için birçok uygulama için uygun bir
profildir.
Ölçeklenebilir örnekleme oranı (SSR: Scalable sampling
rate) Profili: Dört eşit parçaya bölünmüş olan bant
genişliği ile frekans ölçeklenebilirliği sağlar.
25
AAC-HE Profili (MPEG-4)



AAC LC profili ile SBR (Spectral Band Replication)
bant genişliği arttırma aracının birleştirilmesi ile oluşan
HE (High Efficiency) profili, 48 kbit/s bit oranında bile
iyi stereo ses kalitesi sunar.
2003 Mart ayında yapılan MPEG toplantısında son hali
verilmiştir. Çoklu kanal işlemlerinde de kullanılabilen
HE-AAC, aacPlus adıyla da bilinir.
2004 yılında parametrik stereo özelliğinin de eklenmesi
ile oluşturulan ikinci sürümü (HE-AAC v2) sayesinde
sıkıştırma etkinliği daha da arttırılmıştır
26
SBR (Spectral Band Replication)



SBR, yüksek frekansları daha düşük miktarda veri ile temsil
ederek, düşük ve yüksek frekanslar arasındaki korelasyonu azaltır.
SBR ile temsil edilen yüksek frekans verileri, daha sonra AAC
kodlayıcısı tarafından sıkıştırılmış olan düşük frekans verileri ile
birleştirilir.
Örneğin HE-AAC ile 48 kbit/s bit oranında stereo kodlama
yaptığımızda, bunun 42 kbit/s büyüklüğündeki kısmı AAC ile
kodlanırken, yüksek frekansların yer aldığı 6 kbit/s
büyüklüğündeki kısım ise SBR ile kodlanır. Bu sinyaller bit
katarının oluşturulması aşamasında birleştirilir.
SBR Verisi
Ses
Girişi
Düşük
SBR
AAC
Bit katarı HE AAC
Kodlayıcı frekans Kodlayıcı birleştirici Bit katarı
SBR Verisi
Bit katarı
ayırıcı
AAC
Düşük
Ses
SBR
Ters
Kodlayıcı Çıkışı
Kodlayıcı frekans
27
PS (Parametrik Stereo)

Sol ve sağ ses kanallarında sesler farklı
zamanlarda oluşuyorsa, PS bu iki kanalı üst üste
bindirip mono sinyal haline getirebilir ve hangi
aralığın hangi kanala ait olduğunu da az miktarda
yan bilgi ile kodlayabilir.
Sol kanal
Sol kanal
Mono sinyal
ters
kodlama
kodlama
Sağ kanal
2-3kbit/s PS
yan bilgisi
Sağ kanal
28
MPEG Ses Kodlayıcılarının
Özelliklerinin Karşılaştırılması
29
WMA (Windows Media Audio)




WMA 9 temel kodlayıcı haricinde 3 kodlayıcı daha içermektedir:
Pro kodlayıcı: Temel kodlayıcıya göre çok daha fazla özelliğe
sahiptir. Temel kodlayıcı en fazla 48 kHz frekansı, 16 bit
örneklemeyi, 192 kbit/s veri oranını ve 2 ses kanalını
desteklerken, Pro kodlayıcı 96 kHz frekansı, 24 bit örneklemeyi,
768 kbit/s veri oranını ve 5.1 ve 7.1 kanal sayısını (surround
sound) destekleyebilmektedir.
Voice kodlayıcı: Konuşma kodlaması için tasarlanmıştır. Karma
kip desteği sayesinde istenirse müzik türü sesleri de temel
kodlayıcı kullanarak sıkıştırma özelliğine sahiptir.
Kayıpsız (Lossless) kodlayıcı: Orijinal sesi 1/2- 1/3 oranında
sıkıştırabilmektedir.
30
Kayıplı Ses Sıkıştırma Yöntemlerinin
Karşılaştırılması

EBU (European Broadcasting Union) tarafından 2003
yılında yapılan kayıplı ses kodlayıcıların 48 kbit/s veri
oranında stereo kodlama performansları ile ilgili
dinleme testinin sonuçları:
31
Kayıplı Ses Sıkıştırma Yöntemlerinin
Karşılaştırılması

Microsoft firması tarafından, WMA 9 Pro kodlayıcısı ile
HE-AAC kodlayıcısının performansını karşılaştırmak
amacıyla NTSL (National Software Testing Labs)
kuruluşuna yaptırılan ve 2005 yılının Aralık ayında
yayınlanan dinleme testinin sonuçları:
32
Download